基于动态扭曲时间距离的时段基因财务预警研究

发布时间：2020-09-17 16:51

　　证券市场是国民经济的重要组成部分,尤其是股票市场,被誉为宏观经济的晴雨表,我国证券市场历经近20多年的发展,规模日益壮大,总市值高达3.71万亿美元,位居全球第四位。股票市场的投资、融资功能可以满足投资者资本增值以及企业资本积累以利于长期经营的需求。然而,由于上市公司经营不善、流动性不足等原因导致其陷入财务危机,将对证券投资者、债权人的利益造成损害,不利于证券市场的稳定性。根据上市公司公开披露的财务数据,预先分析和预测其财务风险的大小,将对投资者起到警醒作用,优化其投资决策,对证券市场投资者、债权人以及其他利益相关者具有重要意义,保障证券市场长期稳定的运行。本文在梳理已有预警模式的基础上,提出一种将多个连续周期上市公司财务数据时序化、离散化,形成每个上市公司特有的企业时段基因的模型,通过动态扭曲时间距离衡量基因之间的相似度,使用数据挖掘分类器进行训练和分类达到预测上市公司财务状况的目的。该模型主要包括三个方面:1)将连续年份的公司财务数据组合为时间序列,通过数据预处理抽象为企业时段基因;2)衡量时段基因之间的相似度,找出最佳的匹配模式;3)通过训练数据挖掘分类器,分析和预测时段基因所对应的财务状况。最后,利用近五年A股上市公司数据进行了实证分析,结果显示,时段基因财务预警方法能更好的体现财务危机发生时间上的连续性,上市公司之间的相似性,其预测较为准确。
【学位单位】：天津大学
【学位级别】：硕士
【学位年份】：2014
【中图分类】：F832.51;F275
【部分图文】：

时间序列,时间距离,欧氏距离,动态

据挖掘和机器学习的算法中，相似度和距离的度量是至关重要的，据挖掘的结果。同样，如何定义和测量时段基因之间的距离是时段模型的关键之处。由于时段基因中携带有时间序列信息，用传统的相似度，难以取得较好的效果。因此，本文中时段基因财务预警模识别领域被广泛应用的动态扭曲时间距离算法，它能够更加精确的数据的相似度，识别相似的模式。TW 理论序列相似度度量最常用的欧氏距离，欧氏距离简单、快速，并且满，然而它不能处理局部的时间弯曲。动态扭曲时间距离（Dynamic，DTW）支持时间弯曲的经典相似度度量算法，动态扭曲时间距离间代价选择弯曲路径进行匹配，对于时间序列发生弯曲后或者错位量有非常好的识别效果[56][57]。如图 4-1 所示：

信息,财务预警系统,系统分析与设计,具体编码

通过前面的系统分析与设计，对系统最基本的功能和技术架构有了一定的了解。系统实施是具体编码的过程，还包括系统测试的部分。下图是系统的部分页面展示。图 5-1 是时段基因财务预警系统的主界面。

公司,行业分类,指标类型,选取指标

34图 5-1 查看实验信息图 5-2 是实验时选取公司的页面，可以根据 CSRC 行业分类、GICS 分类以及所在地区作为检索条件，方便查询和选取。图 5-2 选取公司图 5-3 是实验时选取指标的界面，可以输入指标类型进行检索，方便查询，查询出的指标显示在左边的框中，选取的指标会在右边的框中显示。

【参考文献】